Czimber Kornél1 – Burai Péter2 – Kovács Zoltán3 – Gerencsér Albert4
1 Soproni Egyetem (EMK, GEVI), TopoLynx Kft, czimber.kornel@topolynx.hu
2 Debreceni Egyetem (Távérzékelési Szolgáltató Központ), burai.peter@unideb.hu
3 EnviroSense Kft, kovacszoli88.geo@gmail.coom
4 Gerencsér Albert, Pannónia Kft, gerencseralbert@gmail.coom
Bevezetés
Az erdővagyon, az élőfakészlet minél pontosabb ismerete alapvető igény gazdálkodói, tulajdonosi, fakereskedői, tervezési, felügyeleti szempontból egyaránt.
A folyamatosan fejlődő adatgyűjtési technológiák és új feldolgozási eljárások mindezt lehetővé teszik. A távérzékelt adatokat (űrfelvételek, légifelvételek, lézeres letapogatások) egyre gyakrabban használják erdőleltározásra (Andersen et al. 2011;
Barrett et al. 2009) a dendrológiai (fafaj, elegyarány), valamint dendrometriai (átmérő, magasság, fatömeg, záródás) jellemzők kinyerésére. Hazánkban is számos kutatás folyik ezzel kapcsolatban (Király et al. 2012, Kovács et al. 2018). Az űr és légi távérzékeléshez elengedhetetlen a megfelelő számú földi referenciamérés (Köhl et al. 2011). A földi távérzékelési eljárások is folyamatosan fejlődnek, például a közel fotogrammetria (Czimber 2015) vagy a földi lézerszkennelés (Brolly et al.
2013). Az előbbi olcsó és nagymértékben tudja gyorsítani a terepi munkát, ezen túl nem csak mennyiségi adatokat (átmérő, körlap), hanem minőségi információkat (fafaj) is nyújthat.
Anyag és módszer
A kutatáshoz felhasznált légi lézeres adatok kisrepülőgépről készültek 8 pont/m2 sűrűséggel, de az átfedések és a többszörös visszaverődés miatt a végleges pontsűrűség ennek 2–4-szerese. Ez a pontsűrűség már elegendő információt nyújt a talajfelszín, törzsek, vastagabb ágakat, első és a második lombkorona szint
Absztrakt: A cikk erdőterületekről készült légi lézeres adatok új feldolgozási módszerét mutatja be, amelyet földi fotogrammetriával végzett referencia-mérések egészítenek ki. A teljes jelalakos légi lézeres letapogatás pontfelhőjének voxel alapú feldolgozása képes törzspozíciók, törzsátmérő, famagasság, lomb-koronaméret meghatározására, ezáltal az erdőleltározáshoz szükséges adatokat szolgáltatni. A földi referenciamérésekhez közel fotogrammetriai eljárásokat fejlesztettünk, amelyek a körlapösszeg, fafaj, elegyarány és átmérő eloszlás becslésében segítenek. A lézeres adatok feldolgozását szerver környezetben, szuperszámítógépekre, a földi fotogrammetriát pedig mobil eszközökre fejlesztettük. A légi és a földi módszer kombinálása után megszülettek az első teszteredményeket.
azonosításához (1. ábra). A földi fotogrammetriai mérések az ellenőrzésként szolgáló törzsenkénti felvételezés közben készültek.
A légi lézeres adatok feldolgozása több lépésben valósul meg. Elsőként a pontokat egy rács adatszerkezetbe töltjük be, majd rendezzük a pontokat magasság szerint, hogy gyorsan lehessen belőlük térbeli elemeket, voxeleket képezni. Betöltés után kiszűrjük a környező pontokhoz képest alacsonyan vagy magasan fekvő zajos pontokat. Ezután két kúp alakú filterrel (Vosselmann 2000) kiválogatjuk a talajpontokat és a felső lombkorona pontjait. A szűrés után mozgó regressziós síkokkal történik a talajfelszín (2. ábra) és a lombkoronafelszín interpolációja.
A faállomány a két detektált felület között helyezkedik el. Az algoritmus ezután átvált voxel alapú feldolgozásra. A voxel eljárásnak számos előnye van, képes kezelni az átfedéseket, a térbeli kapcsolatok, a feldolgozó szűrők könnyen definiálhatók. A voxelek mérete 10 vagy 20 cm-es. Az eljárás 1–6 méteres tartományban 1–2 méteres sávokban keres voxel csoportosulásokat, lokális maximumokat. A voxeleket térbeli kernellel súlyozzuk, amely segít a törzsek felismerésében és a törzsvastagságra is ad mérőszámot (2. ábra).
1. ábra Pontfelhő részletének oldalnézeti képe
2. ábra Domborzatmodell és a felismert fák, facsoportok
Az algoritmus következő lépése a korona voxeltömeg előállítása. Itt is egy kernellel súlyozzuk a korona voxeleket és függőlegesen összesítjük. Az összegfelület kirajzolja az egyes fák koronáit, maximumpontja a fakorona csúcsa. A csúcspontot a közeli törzshöz kapcsoljuk, ezáltal pontos ferde famagasságot lehet számítani.
A voxeleket ezután egy iteratív algoritmussal soroljuk a maximumpontokhoz, így megkapjuk a koronát felépítő voxeleket.
A besorolás egyedileg azonosít minden fakoronát, és faegyedenként a voxeltömegből koronatérfogat, koronaterület (3. ábra) és átlagos korona átmérő számítható. A koronaátmérő és a törzsátmérő között szoros összefüggés van. Az egyes fák fatömege a magasság, átmérőbecslés, koronaterület és a fafaj függvénye. A függvény paramétereit a földi referenciamérések szolgáltatják.
A földi referenciaméréseknél a terepen fényképeket készítünk és kétféle feldolgozó eljárást futtatunk (4. ábra). Mindkét esetben a felvételeket először kalibráljuk, mely a radiális irányú torzulásokat csökkenti. Az egyképes megoldásnál a kalibrált fényképeken élfelismeréssel határozzuk meg a törzseket, majd tanítás után átlagszín és textúra alapján a fafajt. Az alapján, hogy a detektált törzsek milyen vízszintes szög alatt látszanak, számítható a hektáronkénti körlapösszeg. Minden arctan(1/50) foknál vastagabb törzs 1 m2/ha körlapot képvisel.
4. ábra Közel fotogrammetria körlap és átmérő meghatározáshoz 3. ábra Lombkorona voxelek és detektált koronák
A másik módszer ismert bázistávolságú és tájékozású felvételpárból az átmérőket tudja meghatározni az előbbi eljárás törzsdetektálási algoritmusának kiegészítésével. A kiegészítés a törzsek egyeztetését, és a bázis irányú eltérés alapján számított vízszintes koordináták meghatározását jelenti. Az átmérő eloszlás nem mindig követ normális eloszlást, sokkal inkább béta eloszlás különböző típusait vagy log-normális eloszlást. A két algoritmust terepi számítógépes környezetben (Android és Windows platform) fejlesztettük. Fafaj elegyarányt a földi referenciamérések vagy külön kivitelezett hiperspektrális felvételezés is tud szolgáltatni.
Eredmények
Légi lézeres letapogatáshoz kidolgoztunk egy teljes feldolgozási sort, amely a domborzat, lombkoronafelszín, törzsek, átmérő és a koronattömeg meghatározására is alkalmas. Az algoritmus voxel alapokon dolgozik, törzsfelismerési pontossága 80–90% közötti, attól függően, hogy milyen vastagok a törzsek és van-e törzseket árnyaló cserjeszint, oldalágak vagy második lombkoronaszint.
Elkészült két közel fotogrammetriai módszer. Az egyképes automatizált eljárás felismeri a fatörzseket, tanítás után képes a fafajokra is becslést adni. A kétképes módszer az átmérőeloszlás becslését adja meg. Földi felméréssel pontosítható a légi eljárás, a fel nem ismert vagy vékony törzsek, valamint a fafaj és elegyarány.
A két módszer kombinációjával a törzsenkénti földi felvételi módszerrel összehasonlítható pontosságú eljárást kaptunk. A módszert eddig két területen teszteltük, amelynek eredményeit az 1. táblázat foglalja össze.
Mindkét területen látható, hogy az Erdőállomány Adattár csaknem 50%-kal alábecsli a tényleges fatömeget. Az első területnél a csak légi lézeres adatokból történő becslés is nagyon jó, 10–15%-kal alábecsül. Ennek oka, hogy az eljárás nem lát minden faegyedet, a vékony és az alsó lombkoronával, cserjeszinttel árnyalt egyedeket. A földi referenciamérés viszont mindkét esetben felfelé korrigálta a becslést, és így 5% illetve 7%-os hibát kaptunk a referenciaként szolgáló törzsenkénti becsléshez képest.
Erdősmecske 288 408 361 378 m3/ha
1. táblázat A két mintaterület élőfakészlete
Konklúzió
A faállományról készült pontfelhőből számos jellemzőt lehet kinyerni. A cikkben erre mutattunk be egy hatékony eljárást. Az ismertetett paramétereken túl a törzs elágazási magassága, a kidőlt fák helye, átmérője, hossza, a cserje szint, valamint a záródás is meghatározható. Újabb és nagyobb felbontású szenzorok érhetők már el a piacon, amellyel egyrészt a területlefedés, másrészt a pontsűrűség is növelhető.
Vannak ferdén elhelyezett szkennerek, ezek különösen alkalmasak épületek és fatörzsek függőleges felületeinek letapogatására. Megjelentek a multispektrális lézerszkennerek is, amelyek a fafaj meghatározását segíthetik. Új lehetőségeket nyit a drónokra szerelt lézerszkenner, vagy lombkorona alatt repülő drónok fényképeinek egyeztetéséből előállított pontfelhők feldolgozása.
Köszönetnyilvánítás
Köszönetet mondunk Széchenyi 2020 alap GINOP 2.1.1-15 projektjének a kutatás és fejlesztések támogatásáért.
Felhasznált irodalom
Andersen, H.-E. – Strunk, J. – Temesgen, H. (2011): Using Airborne Light Detection and Ranging as a Sampling Tool for Estimating Forest Biomass Resources in the Upper Tanana Valley of Interior Alaska. West. J. Appl. For., 26(4), pp. 157–164.
Barrett, T. M. – Andersen, H.-E. – Winterberger, K. C. (2009): Integrating field and lidar data to monitor Alaska’s boreal forests. Extending Forest Inventory in Space and Time, May 19–22, 2009, Quebec City, Canada.
Brolly G. – Király G. – Czimber K. (2013): Mapping Forest Regeneration from Terrestrial Laser Scans, Acta Silvatica et Lignaria Hungarica, 9, pp. 135–146.
Czimber K. (2018): Távérzékeléssel és mobil térinformatikával segített erdészeti adatgyűjtés.
In: Molnár, V. (szerk.): Az elmélet és a gyakorlat találkozása a térinformatikában IX:
Theory meets practice in GIS, Debrecen, Magyarország, Debreceni Egyetemi Kiadó, pp. 63–68.
Kovács Z. – Bekő L. – Burai P. (2018): Voxel alapú fapozíció-meghatározás pontfelhőből.
In: Molnár, V. (szerk.) Az elmélet és a gyakorlat találkozása a térinformatikában IX:
Theory meets practice in GIS, Debrecen, Magyarország, Debreceni Egyetemi Kiadó, pp. 171–178.
Király G. – Brolly G. – Burai P. (2012): Tree Height and Species Estimation Methods for Airborne Laser Scanning in a Forest Reserve. In: Nicholas Coops, Mike Wulder (szerk.) Full Proceedings of SilviLaser 2012: 12th International Conference on LiDAR Applications for Assessing Forest Ecosystems. 492 p. Konferencia helye, ideje:
Vancouver, Kanada, 2012.09.16–19., pp. 260–270.
Köhl, M. – Lister, A. – Scott, C. T. – Baldauf, T. – Plugge, D. (2011): Implications of sampling design and sample size for national carbon accounting systems. Carbon Balance and Management, 6(10).
Vosselman, G. (2000): Slope based filtering of laser altimetry data. IAPRS. XXXIII.